[发明专利]一种基于自适应张量加权核范数的视频去雨方法

说明书

本发明一种基于自适应张量加权核范数的视频去雨方法，属于计算机视觉和图像处理领域，包括以下步骤：获取待去除雨线的有雨视频；分析无雨视频和雨线的具有区分度的先验信息；基于先验信息构建用于去除有雨视频中雨线的去雨模型；基于所述去雨模型对有雨视频进行雨线去除，本申请可以使去雨后视频保留更多细节特征，避免雨线模糊，有效地避免视频细节信息损失，使去雨后视频保留更加丰富和精细的细节特征，实现高保真的视频去雨。

技术领域

本发明属于计算机视觉和图像处理领域，涉及基于自适应张量加权核范数的视频去雨模型。

背景技术

随着计算机技术的快速发展，计算机视觉系统在海岸监控、遥感监测、目标识别等领域有着广泛的应用。但在雨天天气情况的影响下，会导致室外视觉系统捕捉到视频发生严重的退化，进而影响后续的处理，除此之外，雨天天气的出现也会对船舶导航与交通管理产生一定的影响。因此，对被污染的视频图像进行处理，具有一定的意义。目前，视频去雨算法主要分三类：基于时域的去雨方法、基于频域的去雨方法、基于稀疏域的去雨方法。

基于时域的去雨方法中一类是^[1]基于时域中值滤波的去雨方法，将雨滴视为随机噪声，对视频帧每个像素进行中值滤波处理，但当视频中出现运动物体时，会产生细节信息模糊，所以只能用于静态场景。为了去除运动物体对去雨产生的影响，许多去雨算法被相继提出，如^[2]基于雨滴动力学模型(dynamic model)和光度学模型(photometric model)的去雨方法，该模型假设连续两帧不会被雨滴遮挡，可以减少运动物体对去雨的影响，但是在大雨甚至暴雨情况下，该方法去雨效果不理想。^[3]利用光度学模型获得初始雨线，然后使用具有保边平滑特性的滤波器(edge-preserving smoothing filter)进行二次处理，以减少细小雨线的干扰，最后利用帧间差分法扣除运动物体得到最终的去雨结果。但当背景光照发生显著变化时，会对运动检测环节造成极大干扰。对此^[4]提出了基于多帧的各向异性滤波器的去雨方法(anisotropic filtering)，利用雨线的局部特性，同时进行雨线检测和雨线去除，在具有移动物体的场景下表现良好，但对细小雨线的检测能力较差。

基于频域的去雨方法中一类是^[5]利用模糊高斯模型来近似雨线，最后通过频域滤波器来消除雨线。但当雨线频率比较混乱时，该方法去雨效果较差。对此^[6]提出了基于局部相位一致性的视频去雨方法，利用相位一致性和光流法进行雨线去除。另一类是^[7][8]利用小波变换和双边滤波进行雨线去除，但受移动物体干扰较大。

基于稀疏域的去雨方法中一类是^[9]基于形态学分量分析(morphologicalcomponent analysis，MCA)的图像去雨方法。有的学者将其扩展到视频去雨中，但在动态场景下的雨线检测效果较差。一类是^[10]提出一种基于时间相关和低秩矩阵填充的视频去雨方法，通过光流估计获取初始雨图，应用支撑向量机分类器细化，通过低秩矩阵填充技术消除雨线。但算法较复杂。

对此^[11]提出了一种基于张量模型的视频去雨方法，通过正则化对雨线和无雨背景的内在先验信息进行约束来建立视频去雨模型，这种去雨方法相比于单一的低秩或稀疏约束更灵活稳定。但该方法利用张量核范数确保无雨视频的全局低秩，同等的看待无雨视频不同维度的低秩性，这会造成去雨后视频模糊和去雨不彻底的现象。

发明内容

为了解决去雨不彻底，去雨后视频模糊现象，本发明采用的技术方案是：一种基于自适应张量加权核范数的视频去雨方法，包括以下步骤：

获取待去除雨线的有雨视频；

分析无雨视频和雨线的具有区分度的先验信息；

基于先验信息构建用于去除有雨视频中雨线的去雨模型；

基于所述去雨模型对有雨视频进行雨线去除。